AI商业化之路猜想

4 评论 1395 浏览 3 收藏 9 分钟

AI应用的商业化还需要经历一定的路程,这篇文章里,作者就分享了他关于AI商业化的看法——去做细分领域的AI,甚至是细分行业的AI。

这个方向是我一直想写的,只是对于AI的了解,我可能只停留在使用过的层面,故此有念头却未动。前几天与一个做AI研发的朋友闲扯,出于信任他问我AI商业化的看法,我基于商业和运营方面的知识,为他提供了一些建议。

我将整个交流的问题和建议,全部分享出来。目的在于想验证未来5年内,AI商业化是否真的像我说的那样,实现商业化。这个事情倒不是为了标榜什么,只是觉得有观点不表达,老憋在心里,非常难受。

一、朋友的问题

朋友是做技术开发的,有自己的团队。只是这几年技术外包这种经营方式,越来越没有市场了。同业竞争压力也大,同行相互比价,团队优势也明显。最近,为了解决这样的问题,他的想法是,基于ChatGPT做一款AI出来。

我没具体问技术实现的事情,毕竟隔行如隔山。我只是问了一个问题,就是你想做一个什么方向的AI?他说现在还没有想好,市面上已经有很多方面的AI应用了。再者说这个AI研发出来,应该是找投资机构,进行融资,还是要怎么操作?

其实朋友的迷茫,我很清楚。现在市面上所有的AI应用,基本上都在技术上和应用上下功夫,在商业化方面也都是靠原有资金,或找机构进行融资。而商业化在未来,几乎是所有AI应用要面临的一个重大问题。

二、我的问题

目前,我对AI应用的认知,只停留在使用层面。用AI写个工作报告,写个日报周报啥的,最多生成点短视频,在配个文案。因为我是运营的关系,和产品经理走的比较近。他们给我说,他们也在用AI写点PRD,生成原型图之类的。

最近因为在大量写运营类文章,对于文章的需求比较大,于是想着用AI解决一下,自己也偷个懒什么的。结果方向生成出来的文章,根本符合我的要求。我能看到和感觉到的,所有生成出来的文章,都是程式化的,内容基本上都是泛泛而谈。

所以,之后我基本上还是自己动手,用AI来辅助,提供一些观点,或帮忙结尾。目前AI应用给我的感觉是,它无法做到独家视角,更不可能做到符合一个人的特性。而且,AI应用即使“喂”了很多资料后,还只是基于资料编写,智能化没想象的那么高。

三、商业化之路猜想

结合朋友和我的问题,我对AI应用商业化方向,有一个大概的猜想。在表述之前,分享一下,我对朋友说的一些建议。任何的产品想要商业化的前提,就是让人先用起来。我想表达的是,盈利模式是商业化的基础,而流量是盈利模式的核心。

对此再结合到AI应用领域,我先向朋友举了一个例子——高德。高德对于C端的应用,是完全免费的,因此才“战胜了”凯立德,在中国站稳脚跟。而高德的商业化是将定位系统,卖给大公司作为业务基础嵌入。这个不是我们理解卖用户数据。

那么AI应用呢,除了用起来,定制化收费,找个融资渠道外,有没有其他商业化之路呢?

目前我能感知到的,AI现阶段还是泛应用状态,能做到的是解决80%普适化问题,如写文章,或者写个视频脚本。要不就是应用在某个职业体系内,比如帮助产品经理写个PRD,再转化成产品原型。

对于真正行业性的领域,AI目前还不够智能。

在我看来,AI商业化之路,真正可实现的,是在某行业的深入应用。我们现在使用的AI,是基于大量资料学习所形成的体系展示。这就意味着真正AI 真正值钱的,是供它自主学习的大量资料。

试想一下,如果将这些资料进行分类,再依靠不停的“喂”行业内资料,供其自主学习,是不是意味着,AI会成为行业的“专家”(我说的是行业,不是职业)。所以,对于某个行业来说,真正值钱的是,基于大量行业资料,形成的解决方案,而非AI应用本身。

我举一个极端的例子,现在看病的AI,据说准确率达到94%。但是人类疾病不是单一的,病因也是多样性,甚至还有很多并发症,这些都是无法解决的。如果我们将所有医疗病例和诊疗方案,“喂”给AI学习,是不是AI会更精准。

当AI应用到某个医院的时候,医院依靠处方笺和药品收费,是不是商业化落地。只是帮助医院实现盈利的不是AI本身,而是基于AI自主学习的医疗资料。就像我说的高德一样,地图本身是免费的,真正值钱的是定位技术。

四、建议内容

所以我给朋友的建议,真正做细分领域的AI,甚至是细分行业的AI,而不是常用AI。真正实现商业化的不是AI本身,而是AI背后的行业资料和行业数据。甚至可以实现AI,能主动抓取行业最新数据和解决方案,做到自主学习。

这样做的好处,还有一个,就是能做到“先入为主”。当大家都在做泛领域的时候,可以先占领细分市场。比如一提到无人机,第一个永远是大疆。行业的顶端,比的不是价格,而是谁更专业。所以,AI的未来是谁拥有更专业更多的行业资料。

商业化讲究的是如何布局,毕竟大家拼到最后,盈利模式都差不多。如果一开始就能在一个行业深耕下去,意味着未来在这个行业里的地位是不可动摇的。如同我们所知行业巨头那样,无论技术和渠道再变,在用户心里的位置是不变的。

结语:AI应用商业化还有很长的路要走,我只能凭我所知所感,窥得一丝门径,甚至连门径都算不上。不过,我坚信的是,做行业深入AI应用,绝对是未来AI商业化落地方式之一。

本文由 @运营研究院 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. AI准确率现在怎么说都可以,因为没有一个标准规范的测试方法、测试用例、测试数据集。AI的缺陷总体表现为:纵向不够精细、无法分辨细微的差别,横向不够宽、无法适应多变的场景。总体的技术路线是:大模型解决常识、泛化问题,小模型解决专业、精确问题,要组合起来用。

    来自北京 回复
    1. 点赞~o( ̄▽ ̄)d

      来自上海 回复
    2. 这个事情我们有一个大概结论,就是AI在确定的事情上,是很准确的。只是涉及到有创意的工作时,就没有那么灵敏。

      来自广东 回复
    3. 我的领域不涉及AIGC,只是CV。不知你们怎么理解“确定”,我理解的就是在实验室里构建的特殊理想环境下才具有这种确定性,而在真实世界中,由于光线条件变化、环境因素变化,导致实验室里99%准确的模型放到真实环境50%都没有。比如扔一个可乐瓶,人只需要见过可乐瓶,多角度观察一下,不管扔到哪里,是立着还是倒下,黑天白夜、春夏秋冬,人都能识别出是扔了一个可乐瓶;但是AI不行,你训练它识别白天在水泥地上立着的可乐瓶,它就只会这一种,而且训练它识别可口可乐,它就不识别百事可乐。这种泛化能力是我认为要靠大模型解决的。另外,我认为AIGC之所以能得到广泛应用恰恰是因为它不需要准确性,因为它最终还是要有人来编辑确认的,而人可能把这种不准确视为一个创意。放到智慧城市的范畴内,AI不准确就相当于有大量人在报假警,就好像叫喊狼来了的小孩。

      来自北京 回复